Вакансии в ML и AI

AQUARIUS — ведущий российский разработчик, производитель и поставщик компьютерной техники.
Основные направления деятельности компании:
• Производство и разработка серверов, СХД, ПК, ноутбуков, моноблоков, планшетов, телекоммуникационного оборудования;
• Сервисное и гарантийное обслуживание оборудования AQUARIUS.

Мы — не просто производитель «железа». Мы создаем инфраструктуру, на которой работают критически важные системы страны. Сегодня наша цель — цифровая трансформация изнутри. Мы хотим превратить нашу компанию в эталон эффективности за счет внедрения искусственного интеллекта в собственные бизнес-процессы. Нам нужен лидер, который возглавит это направление и сделает ИИ реальным инструментом для каждого сотрудника — от инженера на производстве до топ-менеджмента.

Мы ищем Руководителя направления развития корпоративных AI-систем. Это роль для лидера, который сочетает глубокое понимание технологий (LLM, ML, Data Engineering) с системным мышлением и опытом внедрения AI-решений во внутренние процессы крупной компании.

Вы будете отвечать за создание и развитие внутренней AI-платформы, которая повысит эффективность производства, продаж, R&D, бэкофиса и других подразделений компании.

Ключевые задачи

1. Стратегия и roadmap - Разработать стратегию внедрения AI внутри компании. Определить приоритетные направления, оценить потенциальный эффект и сформировать поэтапный план реализации
2. Внутренняя AI-платформа - Создать централизованную платформу для разработки и эксплуатации AI-сервисов (LLM-агенты, RAG-системы, предиктивная аналитика). Обеспечить переиспользование компонентов и масштабируемость решений.
3. Внедрение в бизнес-процессы - Работать в тесной связке с бизнес-заказчиками (производство, продажи, разработка, логистика, финансы, HR, юридический департамент). Выявлять проблемы и предлагать AI-решения, доводить их до измеримого результата.
4. Команда: Собрать, обучить и мотивировать команду сильных инженеров, дата-сайентистов. Выступить в роли ментора для технических лидеров.
5. Интеграция с инфраструктурой: Обеспечить синергию между AI-софтом и аппаратным парком компании. Использовать наши собственные серверы и системы хранения как полигон для AI-нагрузок.
6. Культура и обучение: Популяризировать AI внутри компании, проводить обучение для сотрудников, формировать культуру data-driven принятия решений.

Требования

· Не менее 5 лет на руководящих позициях в сфере Data Science / ML / AI. Опыт внедрения AI-решений во внутренние процессы крупной компании (enterprise) обязателен.

· Техническая экспертиза: Понимание архитектуры LLM, RAG, MLOps, стеков для работы с большими данными. Умение говорить с инженерами на одном языке.

· Системное мышление: Опыт управления бюджетом, оценки ROI от AI-проектов, приоритизации задач в условиях ограниченных ресурсов.

· Лидерство: Харизма, умение принимать решения в условиях неопределенности и брать за них ответственность. Навык выстраивать кросс-функциональное взаимодействие.

Мы предлагаем

· Масштаб: Работа с задачами федерального уровня на уникальном рынке (AI + Hardware). Возможность влиять на эффективность всей компании.

· Ресурсы: Доступ к мощнейшей вычислительной инфраструктуре и данным. Отсутствие бюрократических преград для запуска пилотов.

· Свобода: Возможность формировать технологическую повестку компании и создавать решения, которые будут использовать тысячи сотрудников.

· Условия: Конкурентный уровень дохода (обсуждается индивидуально), годовой бонус по KPI, ДМС, корпоративная пенсия.

· Команда: Профессионалы, которые любят и знают свое дело

Как откликнуться

Если вы готовы возглавить цифровую ИИ- трансформацию компании и сделать ИИ частью её ДНК, отправьте свое резюме и сопроводительное письмо. В письме кратко расскажите о самом сложном AI-проекте, который вы внедрили во внутренние процессы компании, и о том, какой измеримый эффект он принес.

До встречи!

• проектирование и реализация алгоритмов компьютерного зрения под производственные задачи;
• обработка и анализ изображений и видеопотоков на Python с использованием OpenCV и смежных библиотек;
• развёртывание и отладка прототипов для детекции
• оценка и сравнение алгоритмических подходов на реальных данных;
• внедрение и подключение готовых моделей (в т. ч. YOLO) к приложению или сервису;
• формирование и валидация тестовых датасетов в объёме, необходимом для проекта.

• опыт использования OpenCV;
• уверенный Python (прикладной уровень);
• опыт в OpenCV: фильтрация, преобразования, thresholding, контуры, морфология, детекция признаков, перспективные преобразования;
• работа с изображениями, камерами и видеопотоками;
• базовая линейная алгебра: векторы, матрицы, координатные преобразования;
• навыки отладки и анализа ошибок на реальных данных.

• релокация в Республику Татарстан;
• конкурентный уровень з/п;
• дневная рабочая неделя (ненормированная);
• транспорт до работы из г. Елабуга, г. Набережные Челны, г. Менделеевск, г. Нижнекамск;
• работа в крупной и стабильной компании – в структуре самой большой ОЭЗ в Европе.

• проектирование и реализация алгоритмов компьютерного зрения под производственные задачи;
• обработка и анализ изображений и видеопотоков на Python с использованием OpenCV и смежных библиотек;
• развёртывание и отладка прототипов для детекции
• оценка и сравнение алгоритмических подходов на реальных данных;
• внедрение и подключение готовых моделей (в т. ч. YOLO) к приложению или сервису;
• формирование и валидация тестовых датасетов в объёме, необходимом для проекта.

• опыт использования OpenCV;
• уверенный Python (прикладной уровень);
• опыт в OpenCV: фильтрация, преобразования, thresholding, контуры, морфология, детекция признаков, перспективные преобразования;
• работа с изображениями, камерами и видеопотоками;
• базовая линейная алгебра: векторы, матрицы, координатные преобразования;
• навыки отладки и анализа ошибок на реальных данных.

• релокация в Республику Татарстан;
• конкурентный уровень з/п;
• дневная рабочая неделя (ненормированная);
• транспорт до работы из г. Елабуга, г. Набережные Челны, г. Менделеевск, г. Нижнекамск;
• работа в крупной и стабильной компании – в структуре самой большой ОЭЗ в Европе.

Привет! Это команда алгоритмов рекомендательных продуктов. Наша команда отвечает за персонализацию видеоленты Ozon — бесконечной ленты коротких видеообзоров товаров от покупателей и продавцов. Нам принадлежит весь рекомендательный стек ленты: отбор кандидатов из миллионного каталога, нейросетевое ранжирование и мультимодальные представления контента. Наши модели работают в реальном времени и напрямую влияют на то, сколько времени люди проводят в ленте и находят ли они в ней товары, которые хотят купить.

Сердце ленты — нейросетевая модель ранжирования на трансформерах, которая учится понимать интересы человека по его поведению в ленте. Она уже дала ленте заметный рост, и мы продолжаем активно её развивать. Параллельно запускаем новый проект — персонализированный отбор кандидатов в реальном времени, чтобы лента мгновенно подстраивалась под каждого пользователя, включая тех, кто открыл её впервые. Именно над этими проектами вам предстоит работать.

Data Scientist у нас — сотрудник широкого профиля, который ведёт задачу полностью: от проверки гипотезы и сбора данных до обучения модели, выкатки в прод и АБ-теста. Стажёр работает так же — на реальных задачах из нашего плана, с ментором и код-ревью, и его модели доезжают до продакшена.

Наш стек

• Python, PyTorch, PyTorch Lightning, Hydra, Nvidia Triton, Golang, Hadoop stack (pySpark, hive, hdfs), Airflow.

Вам предстоит

• Развивать модель ранжирования: искать новые сигналы о пользователях и контенте, которые помогут точнее предсказывать, что человеку захочется посмотреть.

• Экспериментировать с целевыми функциями — учить модели понимать, что делает ленту одновременно интересной и полезной для покупок.

• Работать с мультимодальными представлениями видео и строить модели отбора кандидатов на основе векторного поиска.

• Собирать данные на Spark и автоматизировать пайплайны в Airflow.

• Проводить АБ-тесты и разбираться в их результатах.

Мы ожидаем

• Уверенные знания ML/DL, понимание устройства трансформеров.

• Знание основных алгоритмов и структур данных.

• Хорошее знание Python, опыт работы с PyTorch.

• Знание SQL.

Будет плюсом

• Понимание устройства рекомендательных систем: многостадийный отбор кандидатов и ранжирование, sequential-модели (SASRec, BERT4Rec), двухбашенные модели и contrastive learning.

• Опыт работы с векторным поиском (FAISS, HNSW).

• Знание hadoop-стека, опыт работы с большими данными.

• Участие в ML-соревнованиях, pet-проекты или исследования по RecSys.

• Знание Golang.

Ищем корпоративного архитектора на направление AI/LLM, эта роль на стыке enterprise-архитектуры, интеграций, платформенной инженерии, информационной безопасности, данных и прикладного AI.

• разработка и поддержка текущих и целевой архитектуры, дорожной карты перехода

• разработка референсных и типовых архитектур по направлению

• архитектурное ревью инициатив по направлению, архитектурные исключения и технический долг направления

• участие в разработке стандартов

• консалтинг продуктовых команд и смежных архитекторов, разбор их дизайнов, обучение

• диалог с бизнес-заказчиками: перевод «хотим ИИ» в архитектурно и экономически осмысленный сценарий, а иногда — обоснованное «здесь LLM не нужен»

• подготовка архитектурных материалов на Архитектурный Совет и другие комитеты.

• 5+ лет в архитектуре (enterprise/solution/integration) с опытом владения доменом или крупной программой, а не отдельными системами. Разработка и поддержка текущих и целевой архитектуры, дорожной карты перехода.

• разработка или проектирование распределённых систем: интеграции, протоколы, асинхронность, идемпотентность, отказоустойчивость, эволюция контрактов, развитие функционала, управление техническим долгом

• информационная безопасность и работа с чувствительными данными в корпоративном контуре

• опыт архитектурного описания и коммуникации: C4 или аналог, ADR, умение защищать решение перед инженерами и перед бизнесом на разных языках, умение аргументированно обосновывать архитектурные trade-off и защищать материалы на Архитектурных советах и других комитетах

• навыки публичных выступлений, грамотная речь

• разработка референсных и типовых архитектур по направлению, архитектурное ревью инициатив по направлению, архитектурные исключения и технический долг направления

• участие в разработке стандартов, консалтинг продуктовых команд и смежных архитекторов, разбор их дизайнов, обучение.

• подготовка архитектурных материалов на Архитектурный Совет и другие комитеты

• знания в методологии MLops

• разработка или Проектирование мультиагентных систем: оркестрация агентов, агентная память и управление знаниями агентов.

Будет плюсом:

• понимание ограничений технологии: недетерминированность, галлюцинации, стоимость и токеномика (FinOps), латентность, деградация на длинном контексте, границы применимости агентных схем

• управление и безопасность агентов: guardrails, модельный риск и наблюдаемость

• практический опыт работы с ИИ-агентами, который можно продемонстрировать (различные harness, управление skill-ами агента)

• опыт развёртывания и эксплуатации LLM и Classic-ML моделей on-prem (inference-серверы, GPU-планирование, квантизация), понимание экономики AI/LLM

• fine-tuning /дообучение/LoRA и понимание, когда он оправдан, и когда требуются другие подходы, опыт построения eval-контуров и LLM-observability

• опыт работы в области B2G (документация, ГОСТы, требования к защите информации) TOGAF/ArchiMate, опыт работы с EA-репозиторием

• наличие github/gitverse репозитория с pet-проектами.

• комфортный современный офис рядом с м. Кутузовская

• формат работы - гибрид (офисный формат на период адаптации)

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для

• профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная

• пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких.

«Натур Пласт» формирует единую корпоративную AI-платформу для управления бизнесом. Мы ищем эксперта, который поможет определить правильную модель системы и принять участие в её реализации.

У компании уже есть серверная инфраструктура и отдельные AI-решения. Следующий шаг - объединить данные, аналитику и AI-инструменты в единую управляемую платформу.

Ключевое требование

Для нас принципиально важно, чтобы кандидат уже лично участвовал в создании и запуске аналогичной корпоративной платформы.

Речь идёт не об отдельном чат-боте, AI-агенте или простой автоматизации, а о системе, которая:
— объединяет несколько корпоративных источников данных;
— имеет пользовательские или управленческие кабинеты;
— учитывает разные роли и уровни доступа;
— использует AI для аналитики, выявления отклонений, поддержки решений или запуска сценариев;
— была внедрена и реально использовалась сотрудниками или руководителями компании.

Важно уметь показать такую платформу или её отдельные элементы, объяснить свою личную роль, архитектуру решения и полученный бизнес-результат.

Наше видение платформы
Платформа должна:
— объединять данные из Битрикс24, 1С, TrueStats, WB, Ozon и других источников;
— показывать руководителям актуальное состояние бизнеса и причины отклонений;
— выявлять риски, несоответствия и точки роста;
— помогать принимать решения на основе фактических данных;
— запускать согласованные сценарии, действия и уведомления;
— учитывать роли пользователей и ограничения доступа;
— фиксировать эффект внедрения в деньгах, времени, качестве и скорости процессов.

Задачи эксперта
— изучить действующую инфраструктуру и бизнес-задачи компании;
— проанализировать сильные российские и международные аналоги;
— показать релевантные примеры уже реализованных систем, интерфейсов и AI-сценариев;
— предложить целевую архитектуру корпоративной AI-платформы;
— определить, какие решения целесообразно разработать самостоятельно, а какие — использовать в готовом виде;
— описать источники данных, интеграции, роли пользователей и права доступа;
— предложить 3–5 приоритетных сценариев с наибольшим бизнес-эффектом;
— подготовить прототипы ключевых экранов и логику взаимодействия пользователей с платформой;
— сформировать требования к безопасности, мониторингу, устойчивости и качеству данных;
— подготовить дорожную карту развития с оценкой сроков, ресурсов, стоимости и рисков;
— принять участие в реализации платформы и контроле соответствия результата разработанной концепции.

Результат первого этапа
— обзор и сравнение релевантных платформ и решений;
— концепция корпоративной AI-платформы «Натур Пласт»;
— схема архитектуры и движения данных;
— структура пользовательских и управленческих кабинетов;
— 3–5 приоритетных сценариев с критериями результата;
— прототипы основных экранов;
— технические требования к следующему этапу;
— дорожная карта реализации.

Требования к эксперту
— подтверждённый опыт создания и запуска как минимум одной сопоставимой корпоративной AI-платформы;
— личное участие в разработке концепции, архитектуры или внедрении такой системы;
— наличие решений, которые были доведены до эксплуатации и реально использовались бизнесом;
— готовность показать интерфейсы, схемы, демонстрацию или другие подтверждения реализованных проектов;
— понимание LLM, AI-агентов, RAG, API, баз данных и интеграций;
— опыт работы с CRM, ERP, BI и другими корпоративными системами;
— умение связывать техническую архитектуру с задачами и экономикой бизнеса;
— понимание информационной безопасности, разграничения доступов и устойчивости систем;
— способность объяснять сложные решения понятным языком и аргументировать выбор архитектуры;
— умение оценивать результат через конкретные показатели: экономию времени и затрат, повышение качества данных, скорость процессов и снижение ошибок.

Кандидатов, имеющих опыт только в создании отдельных ботов, простых AI-агентов, прототипов или no-code-автоматизаций, без запуска комплексной корпоративной системы, мы не рассматриваем.

Формат
— проектная удалённая работа;
— прямое взаимодействие с собственниками и руководителями компании;
— условия и стоимость первого этапа обсуждаются с финальными кандидатами;
— по итогам разработки концепции возможно дальнейшее участие в реализации и развитии платформы.

Для этого мы строим с нуля две вещи. Первая — self-serve платформа: это набор инструментов, шаблонов и автоматизации. С их помощью домен сам выкатывает свой data product без заявки в нашу команду. Вторая — федеративный governance: это единые правила по контрактам, качеству, доступам, метаданным и стоимости запросов. Эти правила применяются автоматически на уровне платформы.

Чем предстоит заниматься:

• Проектировать и строить self-serve платформу с нуля: путь домена от подключения источника до опубликованного data product без участия нашей команды.

• Автоматизировать жизненный цикл контрактов данных: описание схемы, версионирование, проверка обратной совместимости на CI, валидация данных на проде, генерация DDL и пайплайнов из контракта.

• Кастомизировать каталог данных и OpenMetadata под нашу модель: собственные сущности и custom properties, автоматическая регистрация data products, lineage от источника до витрины, связка каталога с контрактами, качеством и доступами, доработка API и UI под внутренние сценарии.

• Делать качество и наблюдаемость частью платформы: проверки данных, SLA на data products, алерты, метрики свежести и полноты, контроль стоимости запросов и хранения.

• Заходить в домены и работать вместе с их командами: разбирать модель данных, проектировать data products, переносить существующие пайплайны на платформу, доводить до production.

• Проводить обучения и онбординг доменов: воркшопы, документация, гайдлайны, разбор типовых ошибок, поддержка команд на первых итерациях.

• Работать с batch и streaming pipelines в production-среде.

Стек: PySpark, Airflow, ClickHouse, Trino, PostgreSQL, Kafka Connect, Debezium, Kubernetes, Iceberg, dbt, OpenMetadata.

Что для нас важно:

• Практический опыт в Data Engineering: Python, SQL, orchestration и production data pipelines.

• Опыт работы с Airflow или другими оркестраторами.

• Понимание batch и streaming processing, опыт работы со Spark / PySpark.

• Опыт работы с lakehouse- и аналитическим стеком: Trino/Presto, ClickHouse, Iceberg/Parquet/DeltaLake.

• Опыт с Kafka, Kafka Connect, Debezium или другими event streaming инструментами.

• Опыт разработки внутренних инструментов и сервисов, а не только пайплайнов: чистый код, тесты, CI/CD, Kubernetes.

• Инженерное мышление: умение думать про надёжность, стоимость, качество данных, поддержку и влияние изменений на пользователей.

• Умение работать с внутренними пользователями: собрать требования у домена, объяснить решение, провести обучение, написать документацию, которой будут пользоваться.

Будет плюсом: опыт с data contracts, каталогами данных (OpenMetadata, DataHub, Amundsen), data quality фреймворками, dbt, а также опыт участия во внедрении Data Mesh или похожей децентрализованной модели.

Почему это интересно:

• Платформа, контракты, автоматизация и governance проектируются сейчас, и вы будете влиять на то, какими они получатся.

• Даём широкую зону ответственности и возможность влиять на архитектурные решения, платформенные подходы и то, как команды внутри компании работают с данными.

• Здесь много сложных инженерных задач: надёжный streaming, CDC, Spark, Iceberg/Trino/ClickHouse, качество данных, наблюдаемость, стоимость запросов и production reliability.

• У нас современный стек: PySpark, Airflow, ClickHouse, Trino, PostgreSQL, Kafka Connect, Debezium, Kubernetes, Iceberg, dbt, OpenMetadata.

• Мы сохранили скорость и инициативность стартапа, но уже отстроили зрелые процессы: понятные цели, production-подход, ответственность за результат и прозрачную коммуникацию.

• Формируем измеримые цели всей командой и смотрим не только на факт выполнения задач, но и на их влияние на бизнес, пользователей данных и скорость работы продуктовых команд.

• Работаем в команде сильных специалистов, где ценится глубина экспертизы, инженерное мышление и способность предлагать улучшения.

• Команды слушают и слышат друг друга: мы работаем с бизнесом, аналитиками и продуктами как партнёры.

Таргетинг промо уже прошёл путь от ручной сегментации через RFM к первым ML-моделям и эффекту, подтверждённому A/B-тестами. Теперь нужно растить качество и покрытие, построить надёжную продовую систему с оптимизатором под бюджет и прийти к Next Best Offer.

В скоупе: uplift-моделирование, оптимизация распределения бюджета при бизнес-ограничениях, дизайн экспериментов и тесная работа с маркетинговой аналитикой.

Чем предстоит заниматься:

• Uplift-моделирование: развивать модели промо, повышать их качество и покрытие, выбирать и сравнивать подходы (meta-learners, causal forests), валидировать офлайн (Qini/AUUC) и онлайн

• Оптимизация бюджета: распределять промо между пользователями при ограничениях на бюджет и с учётом размена между GMV и маржой

• Next Best Offer: перейти от вопроса «кому дать промокод» к «что, по какому каналу и когда»: пуши, бесплатная доставка, механики программы лояльности

• Прод и надёжность: превратить аналитические наработки в систему с регулярным переобучением, мониторингом, fallback-логикой и разбором инцидентов

• Эксперименты: запускать и разбирать A/B-тесты на новые версии моделей и механик

• Деньги и стейкхолдеры: работать с маркетинговой аналитикой от постановки задачи до измеримого эффекта - считать инкремент и юнит-экономику, защищать решения перед маркетингом и коммерцией на понятном им языке

• Инженерная культура: code review, обсуждение архитектуры, документация решений и результатов экспериментов

Наш стек:

• ML/DS: Python, pandas/polars, NumPy, scikit-learn, CatBoost/LightGBM, MLFlow

• Данные: ClickHouse, Trino, Spark, Airflow

• Прод: Git, Docker/Kubernetes

• A/B-эксперименты: GrowthBook

Что мы ждём:

• 4+ лет опыта в ML/DS: обучал модели и выводил их в прод

• Опыт с uplift-моделированием или causal inference

• Опыт A/B-экспериментов: дизайн, запуск, анализ

• Сильный Python + SQL

• Понимание юнит-экономики: GMV, выручка, contribution margin

• Умеешь объяснять результаты маркетингу и бизнесу и договариваться про цели и метрики

• Опыт в CVM, промо или программах лояльности

• Задачи оптимизации при ограничениях

• Опыт в e-commerce

Процесс найма:

1. HR-интервью (30 мин): контекст про вакансию, твой опыт и ожидания

2. Тех-1 (60 мин): Python, SQL, вопросы про ML

3. Тех-2 (60 мин): ML System Design

4. Финал (60 мин): интервью с руководителем

Почему это интересно:ㅤ

• Даем широкую зону ответственности и возможность влиять на архитектурные и продуктовые решения. А ещё рады обсуждать твои инициативы и реализовывать их

• Уникальная культура – мы сохранили дух стартапа, при этом уже отстроили зрелые процессы

• Формируем измеримые цели всей командой и не просто выполняем их "для галочки", а замеряем эффективность и общее влияние нашей работы на бизнес

• Работа в командах сильных специалистов, где ценится глубина экспертизы и инженерное мышление

• Команды слушают и слышат друг друга, выступая в роли партнеров, а не исполнителей

Что мы предлагаем:

• Удаленка из любой точки мира или уютный офис в Ташкенте

• У нас можно расти в инженерном или управленческом треке, а еще выстроена регулярная оценка перформанса

• Платим на уровне топовых компаний российского рынка

• Обучение и развитие — мы поддерживаем как внутри компании, так и за ее пределами (митапы, конференции, профессиональное обучение, публикации). А еще помогаем развивать личный бренд

• База — комьюнити профессионалов с желанием делать круто. Приятный бонус — ДМС в привязке к вашей локации, обучение и другие плюшки

Чем предстоит заниматься:

· Проектировать и разрабатывать пайплайны загрузки данных из источников в единый интеграционный слой

· Настраивать CDC через Debezium + Kafka, обрабатывать insert/update/delete, late data, дубли, эволюцию схем

· Разрабатывать ETL-процессы на Informatica PowerCenter, Оркестрация потоков через Airflow

· Поддерживать загрузку данных в режиме 1:1 с источником, контролировать полноту и целостность

· Разрабатывать трансформации в преддетальном слое: приведение типов, форматов, структур, ключей и справочников к виду DWH на Oracle

· Работа с Impala/Hadoop + spark при интеграции данных с источника

· Обеспечивать работу как батчевых, так и near-real-time (NRT) пайплайнов

· Вести документацию, data lineage, метаданные, участвовать в code review

· Работать в кросс-функциональной команде с аналитиками, QA, DBA, архитектором и бизнес-заказчиком

Что мы ожидаем:

· Опыт в Data Engineering от 2-3 лет

· Уверенный SQL

· Опыт оркестрации пайплайнов в Airflow

· Опыт работы с Kafka и Debezium, понимание CDC

· Опыт обработки JSON/XML и приведения полуструктурированных данных к табличному виду

· Понимание принципов DWH, слоёв хранилища, историчности, SCD, Data Quality

· Опыт работы с батчевыми и NRT-пайплайнами

· Python или другой язык для автоматизации и обработки данных

· Git, понимание процессов релиза

Будет плюсом:

· Опыт с несколькими источниками: 1С, SAP, API, реляционные БД.

· Опыт работы с Oracle, PL/SQL

· Опыт работы с большими объёмами данных и стримингом.

· Опыт с Great Expectations, dbt или другими DQ-инструментами.

· Понимание архитектуры DWH и построения бизнес-сущностей из нескольких источников.

· Опыт разработки ETL-процессов на Informatica PowerCenter


Что мы предлагаем взамен:
•Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
•Полную удалёнку или гибрид на выбор, а также уютный ИТ-хаб в Москве, Санкт-Петербурге, Екатеринбурге и сезонный коворкинг в Сочи
•Сложные и интересные задачи, современный стек технологий
•Заботу о вашем здоровье: программа ДМС с первых дней работы, куда входит стоматология, обслуживаниев лучших клиниках города, страхование и компенсация 10-ти дней больничного
•Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни
•Оплату посещения профильных конференций и курсов, помогаем с подготовкой к публичным выступлениям и написанием статей на Хабр
•Доступ к бесплатным корпоративным библиотекам Alpina Digital, MyBook и бизнес-изданий
•Предложения от Банка только для сотрудников: собственные спортзалы (Москва, Санкт-Петербург, Екатеринбург), а также скидки на услуги туристических агентств, продукты питания, в рестораны, бары, магазины

• Проектирование и реинжиниринг хранилищ данных
• Разработка и сопровождение ETL-процессов, внедрение сервисов для работы с данными и качеством данных в КХД
• Оптимизация архитектуры хранилища и масштабирование решений
• Обеспечение качества и безопасности данных
• Стандартизация, документирование и управление метаданными
• Техническое лидерство, наставничество и взаимодействие с командами

• Знание принципов проектирования баз данных и технологии проектирования хранилищ и озер данных
• Знание методов и технологии управления качеством больших данных
• Знание OLTP, OLAP систем
• Опыт проектирования и оптимизации элементов DWH
• Опыт разработки ETL процессов загрузки данных с использованием любого промышленного инструмента
• Уверенное владение SQL, PL/SQL
• Знание языка программирования Python
• Знание хинтов, партиций, индексов
• Знание API (протоколы REST/SOAP, JSON)
• Умение работать в методологии Agile/Scrum

• Работа и оформление в соответствии с ТК РФ (бессрочный трудовой договор)
• Аккредитованная IT компания
• Офисный формат работы
• Добровольное медицинское страхование

Более 22 лет Группа компаний ITPS успешно реализует масштабные стратегические проекты цифровой трансформации. Мы занимаем стабильно высокие места в рейтинге лучших консалтинговых IT -компаний России, наши ключевые ценности - командность, открытость, ответственность, стремление к большему. Являемся победителями различных конкурсов, в том числе «Лучшие ИТ-проекты для нефтегазовой отрасли».

Наши ключевые ценности: вызов, честность, надежность.

SNAP IT - российская независимая технологическая компания.

Мы представители самой технологичной и стремительно эволюционирующей индустрии IT. Создаем ПО для ФинТеха.
Топовые банки уже доверили нам самые сложные высокотехнологичные проекты.
Мы верим, что роботизация бизнеса - это будущее, которое наступило уже сегодня.

Ищем инженера, который совмещает прикладную ML-разработку и MLOps: умеет работать с данными и моделями, организовать воспроизводимый процесс и довести решение до стабильной работы в production с помощью ИИ-агентов.

Обязанности:

• Вести ML-задачу. Уточнять задачу и критерии успеха, анализировать и подготавливать данные, создавать baseline и выбирать подход.
• Обучать и оценивать модели. Обучать или дообучать модели, анализировать ошибки, сравнивать решения по качеству, скорости и стоимости. Документировать результаты экспериментов и ограничения выбранного подхода
• Организовывать воспроизводимый MLOps-процесс. Автоматизировать подготовку данных, обучение, оценку и развёртывание; версионировать данные, код, модели и конфигурации. Обеспечивать повторяемость экспериментов и сборок
• Разрабатывать и сопровождать ML-сервисы. Создавать сервисы инференса и интеграции с продуктом, настраивать окружения CPU/GPU, тестирование, CI/CD, мониторинг, обновление и откат моделей
• Настраивать ИИ-агентов для ML и инфраструктуры. Создавать skills, проектные инструкции и workflow. Подключать инструменты и документацию, контролировать доступ к данным, секретам и вычислительным ресурсам, проверять подготовленный агентами код
• Лично валидировать качество. Вручную проверять данные и разметку на выборках, анализировать предсказания и ошибки модели, исследовать проблемные сценарии. Не ограничиваться сводными метриками
• Проверять решение в целевой среде. Лично проходить реальные сценарии в развёрнутом продукте, проверять интеграции и нагрузочные характеристики. Диагностировать проблемы данных, модели, сервиса и инфраструктуры
• Контролировать работу после запуска. Следить за качеством, задержками, ошибками, потреблением ресурсов и изменениями входных данных. Исследовать отклонения, устранять проблемы и проверять результат исправлений

Требования:

• Самостоятельная ML-разработка. Уверенный Python, опыт PyTorch и/или scikit-learn либо аналогичных инструментов. Умение читать, писать и отлаживать код подготовки данных, обучения и инференса, а не только запускать готовые примеры

• Production-опыт и MLOps. Практический опыт развёртывания и сопровождения ML-сервисов. Понимание API, хранения и версионирования артефактов, воспроизводимости окружений, мониторинга, обновления и отката моделей

• Инженерная инфраструктура. Практические навыки Linux, Docker, Git, тестирования и CI/CD. Умение диагностировать проблемы производительности, использования CPU/GPU и памяти

• Coding agents и их адаптация. Практический опыт Codex, Claude Code или аналогов; создание skills и проектных инструкций, настройка контекста, инструментов и безопасных окружений под ML- и инфраструктурные задачи

• Личная ответственность за результат. Готовность самостоятельно проверять код и выводы агентов, вручную анализировать данные и предсказания, проверять реальные сценарии и доводить модель и сервис до согласованного качества

Будет плюсом:

• Опыт MLflow, DVC, Kubernetes и оркестраторов вычислительных задач

• Опыт оптимизации GPU-инференса, батчинга, квантования и нагрузочного тестирования ML-сервисов

• Хорошее понимание ASR, TTS, DSP ML, speech & audio processing понимание трансформеров, attention-механизмов, KV-cache, diffusion

• Опыт работы с диффузионными и авторегрессионными архитектурами для аудио/музыки

Условия:

• Формат работы: удалённый. Важно иметь возможность пару раз в месяц ездить в офис в Москве;

• Оформление в соответствии с ТК РФ;

• ДМС+стоматология после окончания испытательного срока;

• Предоставление техники;

• Отсутствие бюрократии, прозрачность, быстрое принятие решений, а также уважение к каждому члену команды;

• Поддержка в значимых событиях.

Привет! Это команда предиктивной аналитики блока Платформы. Мы занимаемся моделированием утилизации IT-инфраструктуры Ozon. Наша цель — помогать IT Ozon масштабироваться под быструю экспансию Маркетплейса на российский и международный рынки.

Наши основные фокусы

• Моделирование роста нагрузки на инфраструктуру в зависимости от стратегии экспансии бизнеса.

• Расчет капитальных (CAPEX) и операционных (OPEX) бюджетов Ozon Tech.

• Решение задач математической оптимизации, позволяющих сокращать избыточные расходы.

Вы будете

• Выполнять классические ML-задачи: временные ряды, математическая оптимизация и др.

• Разрабатывать ML-сервисы предсказательной аналитики в облаке Ozon.

• Разрабатывать мультиагентные аналитические системы, автоматизирующие ad-hoc аналитику блока.

Нам важно

• Хорошее знание математической статистики, анализа данных и машинного обучения.

• Уверенное знание Python.

• Знание принципов и опыт работы с кодовыми ассистентами, мультиагентными AI-системами.

Будет плюсом

• Опыт работы с "железом" — серверами, комплектующими, сетевым оборудованием.

• Опыт работы с kubernetes, работы в облаках (AWS, GCP, Azure).

• Опыт участия в соревнованиях Kaggle и хакатонах.

Мы ищем талантливого специалиста, который сможет присоединиться к разработке и внедрению AI-агентов для автоматизации решения обращений клиентов. Вы будете частью команды, работающей над проектами по созданию и обучению AI-агентов. Внедрение новых технологий позволит значительно повысить эффективность нашей работы и улучшить качество обслуживания клиентов.

• проектирование и внедрение AI-агентов (LLM, GPT-like модели) в различные процессы решения обращений клиентов в контактный центр

• разработка архитектуры и логики диалоговых систем, систем рекомендаций и интеллектуальных интерфейсов на базе современных NLP-технологий (LangChain, RAG, Fine-Tuning LLM)

• организация и контроль выполнения полного цикла аналитических работ, включая сбор, обработку, анализ и визуализацию данных

• мониторинг ключевых показателей эффективности процессов, обнаружение отклонений и аномалий, анализ их воздействия на общие показатели.

• наличие опыта работы в роли Data scientist

• понимание современных нейросетевых архитектур (LLM, Transformers)

• навыки MLOps: умение выстраивать конвейеры для обучения/инференса, организовывать мониторинг качества и метрик

• желание экспериментировать и разбираться в современных инструментах (LangChain, RAG, FineTuning LLM) и библиотеках

• знание или опыт работы с векторными базами данных, RAG и технологиями построения знаний (knowledge graph).

• комфортный современный офис рядом с м. Кутузовская

• гибридный график работы

• ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования)

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

Мы ищем специалиста в команду финансового отдела, который будет заниматься автоматизацией обработки финансовых и транзакционных данных, разработкой внутренних инструментов и оптимизацией существующих процессов.

Это не классическая позиция программиста. Нам не принципиален конкретный стек технологий — гораздо важнее системное мышление, понимание бизнес-логики и данных, самостоятельность и способность доводить задачу до рабочего результата.

Мы активно используем современные AI-инструменты и приветствуем AI-assisted / vibe coding. Кандидат может писать значительную часть кода с помощью AI — важно, чтобы он понимал, какую задачу решает, мог правильно поставить её нейросети, разобраться в полученном коде, доработать, протестировать и проверить корректность результата.

Чем предстоит заниматься:

• Разрабатывать и развивать внутренние приложения, скрипты, обработчики и другие инструменты для автоматизации финансовых процессов.

• Автоматизировать обработку больших массивов транзакционных и финансовых данных из различных источников.

• Разрабатывать логику загрузки, очистки, преобразования, группировки, агрегации и сопоставления данных.

• Автоматизировать потранзакционные сверки с поставщиками и клиентами, matching данных, поиск и анализ расхождений.

• Создавать инструменты для подготовки финансовой, управленческой и операционной отчётности.

• Анализировать существующие процессы финансового отдела и находить возможности для их упрощения, оптимизации и автоматизации.

• Тестировать разработанные решения, проверять корректность результатов, находить ошибки и совершенствовать алгоритмы обработки данных.

• Формализовать бизнес-задачи и готовить технические задания, регламенты и документацию по логике создаваемых решений.

• Взаимодействовать с коллегами финансового отдела и смежными подразделениями по вопросам данных и автоматизации.

Что мы ожидаем:

• Опыт работы с финансовыми, транзакционными или другими большими массивами структурированных данных.

• Уверенное использование AI-инструментов и нейросетей для решения прикладных задач: постановка задачи, генерация и доработка кода, тестирование и проверка результата.

• Опыт автоматизации обработки данных, создания внутренних приложений, скриптов, обработчиков или других прикладных инструментов.

• Понимание принципов работы с базами данных и обработки данных: сопоставление, группировка, агрегация, трансформация.

• Способность самостоятельно разобраться в бизнес-задаче, формализовать требования, продумать логику решения и довести его до рабочего результата.

• Системное и аналитическое мышление, инженерный подход и внимательность к деталям.

Конкретный стек не принципиален. Это может быть Python, C#, C++, SQL, low-code или AI-assisted coding. Нам важнее способность выбрать подходящий инструмент и получить корректное, качественное и поддерживаемое решение.

Будет преимуществом:

• Опыт в FinTech, банковской сфере, E-commerce или финансовых подразделениях.

• Финансовое образование.

• Практический опыт работы финансистом или аналитиком.

• Опыт автоматизации финансовых процессов и работы с транзакционными данными.

Что мы предлагаем:

• Официальное оформление по ТК РФ.

• Заработную плату с индивидуальным обсуждением по результатам собеседования.

• Возможность работать удалённо, в гибридном формате или из офиса в Москве.

• График 5/2, с 10:00 до 19:00.

• Возможность профессионального роста в направлении автоматизации финансовых процессов и разработки внутренних приложений.

• Возможность напрямую влиять на развитие внутренних инструментов и процессов финансового отдела.

• Сильный онбординг и передача экспертизы от команды.

• Активное использование современных AI-инструментов в ежедневной работе.

Если вам нравится разбираться в сложных данных, автоматизировать рутину и использовать AI не ради хайпа, а как рабочий инструмент — откликайтесь, мы будем рады познакомиться.

Ищем Data Science в компанию, которая занимается разработкой собственной платформы на рынке взыскания.

Это аккредитованная коллекторская организация с собственной разработкой, у которой есть развесистая система триггеров c алгоритмами для стратегий взыскания. Используем классический ML и нейросетки для прогнозирования и оптимизации прибыли. Быстро тестируем и внедряем рабочие гипотезы, без бюрократии и работы в стол.

Чем предстоит заниматься

70% задач -- дата аналитика. Погружение в предметную область, работа с бизнесом, поиск инсайтов в имеющихся данных, задачи по кредитным портфелям: прогнозирование платежей, оценка портфеля на покупку, исследовательские задачи по влияние факторов на платежи, прогностические модели по получению решений от судов, оценка трудозатрат сотрудников

30% задач -- ML. Переход на ML модели аналитических задач, автоматизация бизнеса с помощью ML.

ВАЖНО Тут нет 100% задач по работе с ML моделями, ищем человека, который будет плотно погружен в бизнес компании и с помощью аналитики данных и ML помогать бизнесу принимать правильные решения на основе данных.

Для реализации этих задач мы делаем:

• Развиваем внутреннюю систему принятия решений — на основе данных из множества источников решаем, как лучше работать с каждым должником.
• Работаем с данными (Python + SQL) — анализируем кредитные портфели, строим прогностические модели, ищем скрытые зависимости.
• Строим и внедряем ML-модели — от классических (логистическая регрессия, градиентный бустинг) до экспериментов с новыми подходами.
• Автоматизируем отчётность — чтобы бизнес видел картину в реальном времени (дашборды, автоматические отчеты).

Что мы ищем

• Сильный опыт с классической аналитикой и математикой (статистика, классификация, регрессия, кластеризация)
• Опыт в финансах, рисках, работе с просрочкой или смежных областях с работой с финансовыми данными и прогнозированием
• Владение Pandas / NumPy на базовом уровне
• Коммуникабельность — готов обсуждать задачи с бизнес-заказчиками и разработчиками, объяснять сложное простым языком.

Будет большим плюсом:

• Практический опыт экономического и финансового анализа

Что предлагаем:

• Минимум бюрократии — хорошая гипотеза быстро проверяется и внедряется.
• Большие данные —объем наших датасетов – миллионы строк (заемщики, платежи, судебные решения, исполнительные производства), в которых скрыты закономерности, влияющие на бизнес.
• Сильная команда и возможности роста
• Стабильность и развитие, мы уверенно чувствуем себя на рынке, нанимаем людей и внедряем новые технологии.
• Удобный офис в пешей доступности от метро Академическая / Профсоюзная (лёгкая парковка для автомобилистов).
• ДМС со стоматологией, компенсация питания, корпоративы за границей.

AI VK — подразделение экспериментальных технологий, которое решает широкий спектр ML- и DL-задач в VK. Наша цель — находить решения в индустрии и внедрять их в продукты. Мы анализируем, как наши разработки можно переиспользовать и где применить, а затем масштабируем.

У нас есть успешные релизы мультимодальных контентных моделей и мультимодальных LLM для core-продуктов (рекомендации, поиск, реклама). Расширяем штат, чтобы решать основные и смежные задачи. 

Главная цель — глубокая интерпретация контента (эмбеддинги и предсказание таргетов) с использованием различных архитектур (BERT, CLIP и GPT) всех модальностей:

• Текст
  
• Изображения и видео
  
• Аудио и речь
  
• OCR и другие
  

Задачи

•  Сбор данных, определение таргетов: работа с разметчиками и синтетическими материалами
  
•  Разработка мультимодальных моделей
  
•  Проведение экспериментов с архитектурами энкодеров
  
•  Оценка качества моделей и их интеграция в продуктовые механики
  
•  Конвертация и деплой моделей
  
•  Сопровождение релизов: A/B-тесты, мониторинг, версионирование
  

Требования

• Уверенное знание архитектур DL. NLP и CV — в приоритете
  
• Понимание концепций metric-learning
  
• Опыт сборки prod-like пайплайнов на PyTorch
  
• Знание SQL
  

Будет плюсом

• Опыт внедрения DL-моделей в продакшен
  
• Работа с retrieval-задачами
  
• Релевантные публикации и выступления на конференциях
  
• Целевое образование: ФПМИ, ФКН, ВМиК, ШАД
  

Привет! Мы команда Ранжирование.
Наша команда отвечает за качество поисковой выдачи Ozon. Мы развиваем ML-модели ранжирования, которые ежедневно помогают миллионам пользователей находить наиболее релевантные товары и напрямую влияют на пользовательский опыт, конверсию и продажи.

Мы ищем Senior Data Scientist, который усилит направление Learning to Rank и поможет развивать одну из самых высоконагруженных ML-систем компании.

Вы будете

• Развивать алгоритмы ранжирования поисковой выдачи и улучшать качество поиска.

• Строить модели, повышающие релевантность, конверсию и пользовательский опыт.

• Анализировать поисковые и поведенческие данные, находить точки роста качества моделей.

• Проводить A/B-тесты и принимать решения на основе данных.

• Развивать production ML-пайплайны: обучение, деплой, мониторинг и переобучение моделей.

• Исследовать и внедрять современные подходы в области Ranking, Search и Information Retrieval.

• Участвовать в принятии ключевых технических решений внутри команды.

Примеры задач

• Разработка и улучшение Learning to Rank моделей для поисковой выдачи.

• Применение transformers, embeddings и deep learning-подходов для ранжирования.

• Оптимизация баланса между релевантностью, бизнес-метриками и пользовательским опытом.

• Анализ результатов экспериментов и поиск новых направлений для улучшения поиска.

• Построение и развитие end-to-end ML-решений от исследования до production.

Нам важно

• Опыт работы в Data Science / Machine Learning.

• Понимание алгоритмов Learning to Rank и задач ранжирования.

• Опыт работы с современными ML-подходами: embeddings, transformers, representation learning.

• Сильная база в статистике, экспериментальном анализе и A/B-тестировании.

• Опыт разработки production ML-систем и работы с большими объемами данных.

• Уверенное владение Python.

Будет плюсом

• Опыт в поиске, рекомендациях, рекламе, маркетплейсах или e-commerce.

• Практический опыт построения LTR-систем.

• Опыт работы с CatBoost, XGBoost, LightGBM, PyTorch.

• Опыт использования Kubernetes, Spark, Airflow или Kafka.

• Интерес к современным исследованиям в области Ranking, Information Retrieval и Recommender Systems.

Мы создаём нейросетевой мозг для гуманоидных роботов: разрабатываем модели для манипуляций предметами, навигации и интегрируем их в единую интеллектуальную систему.

Проект сфокусирован на применении современных методов глубокого обучения для решения актуальных задач робототехники. Это отличная возможность работать с передовыми ML-технологиями и видеть результат своих моделей в реальном мире.

Тестирование и совершенствование моделей в симуляции

Вам предстоит настраивать и использовать современные симуляторы для тестирования и совершенствования моделей управления. Ваша задача — выстраивать процессы работы с виртуальными средами, автоматизировать эксперименты, совершенствовать навыки моделей и добиваться стабильного и эффективного поведения робота в симуляции.

Обучение трансформерных и диффузионных моделей (VLM/VLA)

Вы будете работать с современными архитектурами, включая Vision-Language-, Vision-Language-Action-модели и диффузионные политики. Кроме того, вам предстоит настраивать пайплайны обучения, проводить эксперименты, улучшать качество предсказаний и устойчивость поведения.

Разработка и обучение моделей для манипуляции и навигации

Вам нужно будет обучать модели, отвечающие за управление манипуляторами и перемещение робота в пространстве. Для этого понадобится формировать датасеты, экспериментировать с архитектурами и оптимизировать поведение робота под реальные сценарии.

Больше об ML в Яндексе — в канале Yandex for ML

* Работали с проектами в области Computer Vision, NLP, RL
* Глубоко понимаете методы машинного обучения, особенно нейросети
* Знаете, как работать с трансформерами и диффузионными моделями
* Отлично умеете программировать на Python
* Увлечены робототехникой

* Работали с симуляторами, в том числе с реалистичной графикой, сложной физикой и моделированием окружающей сцены
* Понимаете SOTA-архитектуру VLA-моделей либо диффузионных генераторов
* Умеете программировать на С++
* Умеете работать с мультимодальными дата-пайплайнами

Больше о команде

Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Оценивать их только на реальных дорогах долго, дорого, а для некоторых сценариев практически невозможно. Поэтому в Яндексе мы разработали систему симуляции, которая позволяет тестировать новые версии компонент автопилота в виртуальной среде и быстро оценивать, как меняется поведение автомобиля в разных дорожных ситуациях, погодных условиях и на разных территориях.

Достоверность таких тестов определяется тем, насколько реалистично окружающая среда реагирует на действия автономного автомобиля. Для этого мы используем ML-модель, которая предсказывает движение других участников дорожного движения: машин, мотоциклов и пешеходов. Над этой моделью и предстоит работать будущему участнику нашей команды.

Симулятор используют много команд, поэтому наши улучшения напрямую влияют на скорость и качество разработки автономного автомобиля Яндекса.

Улучшение качества и разработка новых функций модели

Вам предстоит работать над повышением базового качества нейросети для генерации траекторий машин и пешеходов. Задачи включают улучшение датасета (сбор, фильтрацию и предобработку данных), архитектурные доработки моделей, оптимизацию процесса обучения и инференса, а также исследование возможностей внедрения inpainting, различных conditioning и guidance для решения продуктовых задач. Удачные наработки затем нужно будет внедрять в продакшен своими силами и силами бэкенд-команды.

Разработка фреймворка приёмки моделей

Вторым фокусом будет участие в построении надёжной и автоматизированной системы оценки качества и приёмки новых версий модели. Нужно будет реализовывать в продакшен-системе и train-цикле моделей метрики из SOTA-статей, разрабатывать собственные метрики для оценки краевых случаев и внедрять краудсорсинг в процессы приёмки для комплексной оценки моделей.

Больше об ML в Яндексе — в канале Yandex for ML

* Программировали на Python
* Работали с данными (сбор из сырых логов, формирование новых датасетов)
* Занимались генеративным CV
* Обучали нейросети на распределённых кластерах
* Участвовали в ML-проектах полного цикла с привязкой к бизнес-потребностям

* Имеете практический опыт обучения диффузионных моделей
* Внедряли модели в продакшен через FastAPI + Docker, Triton Inference Server или любой другой фреймворк
* Участвовали в соревнованиях по ML или программированию (ACM ICPC, Codeforces, Topcoder, Kaggle и т. д.)
* Умеете программировать на C++
* Знаете правила дорожного движения, водили автомобиль или мотоцикл

Ищем к команду Промпт инженера, который будет заниматься внедрением и развитием решений на базе генеративного искусственного интеллекта и LLM, разрабатывать эффективные промпты и помогать бизнес-подразделениям использовать возможности ИИ для автоматизации и повышения эффективности процессов внутри Корпорации.

Задачи:

• Разработка, тестирование и оптимизация промптов для ChatGPT, OpenAI API и других LLM.
• Создание системных промптов, шаблонов и цепочек взаимодействия с AI-моделями.
• Анализ бизнес-процессов и поиск сценариев, где применение ИИ может дать измеримый эффект.
• Создание AI-ассистентов и специализированных решений для внутренних пользователей.
• Интеграция LLM с корпоративными системами и внешними сервисами через API.
• Настройка автоматизированных AI-сценариев с использованием n8n, Make, Power Automate и аналогичных инструментов.
• Тестирование качества ответов моделей, разработка критериев оценки и контроль стабильности AI-решений.
• Работа с контекстом, structured output, function/tool calling, RAG и базами знаний.
• Подготовка документации, инструкций и библиотеки типовых промптов.
• Консультирование и обучение сотрудников эффективной работе с генеративным ИИ.
• Соблюдение требований информационной безопасности при работе с корпоративными данными и внешними AI-сервисами.

Требования:

• Понимание принципов работы современных LLM и генеративного искусственного интеллекта.
• Практический опыт работы с ChatGPT, OpenAI API, Claude, Gemini или аналогичными платформами.
• Уверенные навыки Prompt Engineering: zero-shot/few-shot prompting, работа с контекстом, системными инструкциями и структурированными ответами.
• Умение тестировать промпты и оценивать качество результатов по заданным критериям.
• Понимание REST API, JSON и принципов интеграции сервисов.
• Опыт автоматизации процессов с использованием n8n, Make, Zapier, Power Automate или аналогичных платформ.
• Базовые навыки программирования на Python, JavaScript или другом языке будут преимуществом.
• Понимание принципов RAG, embeddings, vector databases и AI Agents будет преимуществом.
• Опыт работы с Git и понимание основных принципов разработки и тестирования.
• Понимание требований к защите корпоративной информации при использовании AI-сервисов.
• Системное и аналитическое мышление, способность переводить бизнес-задачи в технические решения.

Будет преимуществом

Наличие портфолио или готовность подробно рассказать о реализованных AI-решениях: какая задача решалась, какие технологии и модели использовались, как была построена архитектура, каков был личный вклад кандидата и какой бизнес-эффект получен.

Условия:

• Работа в аккредитованной ИТ-компании на стороне заказчика;
• Прозрачные карьерные треки и performance review 2 раза в год;
• Белая заработная плата, готовы рассматривать ваши ожидания;
• Различный формат работы: офис, гибрид, удаленка;
• ДМС с первого дня и ежегодная индексация заработной платы;
• Корпоративная среда, в которой ценятся самостоятельность, развитие, позитивный настрой и результат;

Центр практического ИИ — подразделение Сбера, которое занимается сложными AI-проектами на стыке прикладных исследований, инженерии и бизнес-внедрения. Мы работаем с задачами, в которых недостаточно применить готовую модель или собрать быстрый прототип: нужно разобраться в предметной области, проверить подходы, спроектировать решение и довести его до измеримого результата для бизнеса.

Актуальный фокус команды — прикладные LLM-агенты, копилоты и агентные системы для автоматизации бизнес-процессов. В таких решениях необходимо проектировать взаимодействие агента с пользователем и внутренними системами, добиваться корректного выбора инструментов, работать с базами знаний, учитывать ограничения домена, стабильно вести диалог в текстовом и голосовом каналах.

Мы ищем Lead Applied ML Engineer, который возглавит технический стрим по разработке LLM-агентов и агентных систем. В этой роли нужно отвечать не только за отдельные технические решения, но и за совокупный результат команды: определять техническое направление, принимать ключевые архитектурные решения, обеспечивать качество и темп разработки, снимать системные блокеры и развивать инженеров.

Это hands-on-роль: мы ожидаем, что сотрудник будет глубоко погружен в архитектуру и код, сможет самостоятельно разобраться в самой сложной части системы, проверить критичную гипотезу или разработать ключевой компонент. При этом основной результат роли — не объем лично написанного кода, а способность команды стабильно создавать и внедрять качественные LLM-решения.

Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него в мессенджере: диалог займет примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали по вашему опыту и ускорить рассмотрение кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим отнестись с пониманием: ваш опыт и участие помогут сделать его удобным и полезным для всех.

Чем предстоит заниматься:

• вести технический стрим по разработке LLM-агентов, копилотов и агентных систем: определять приоритеты, распределять зоны ответственности, управлять зависимостями и отвечать за совокупный технический результат команды
• переводить бизнес-задачи в техническую стратегию: определять целевую архитектуру, критерии успеха, этапы реализации и основные риски, принимать ключевые решения с учетом качества, скорости, стоимости и сложности эксплуатации
• проектировать архитектуру агентных систем: работу с инструментами и базами знаний, интеграции с внутренними системами, управление состоянием, обработку ошибок и контроль качества результата
• выстраивать процесс разработки и оценки качества LLM-решений: определять необходимые данные и тестовые сценарии, стандарты evals и критерии готовности, совместно со смежными командами доводить решения до промышленной эксплуатации
• оставаться hands-on: участвовать в разработке критичных компонентов, проводить design/code review, разбирать сложные технические проблемы, снимать блокеры и задавать инженерную планку команды
• находить повторяющиеся паттерны и превращать их в переиспользуемые компоненты, внутренние фреймворки, стандарты и инженерные практики
• развивать команду: давать содержательную обратную связь, помогать инженерам расти, участвовать в постановке целей, найме и онбординге.

Мы ожидаем от вас:

• от 6 лет коммерческого опыта разработки и внедрения ML/NLP-решений
• от 3 лет опыта руководства командой ML/LLM-инженеров или техническим стримом с ответственностью за совокупный результат, организацию работы и развитие инженеров
• глубокий практический опыт разработки и внедрения LLM-агентов, RAG-систем или других решений на базе LLM
• способность спроектировать LLM-систему целиком: от пользовательского сценария, данных и агентной логики до системы оценки качества, backend-архитектуры, интеграций, мониторинга и эксплуатации
• опыт самостоятельного принятия архитектурных решений и умение объяснять компромиссы между качеством, скоростью, стоимостью, надежностью и сложностью поддержки
• уверенное владение Python, сильный backend-опыт и опыт создания production-grade ML/LLM-сервисов
• опыт организации инженерной работы: определения приоритетов, декомпозиции задач, планирования, проведения design/code review, управления техническими зависимостями, рисками и качеством реализации
• опыт развития инженеров: проведения регулярной обратной связи, менторинга, постановки целей, повышения технической самостоятельности, найма и онбординга
• умение работать с заказчиками и продуктовыми командами: формализовывать неопределенные бизнес-задачи, согласовывать требования, приоритеты и критерии результата, управлять ожиданиями и аргументировать техническую позицию
• опыт внедрения и эксплуатации ML/LLM-решений в enterprise-контуре с учетом требований безопасности, доступов, мониторинга, SLA и ограничений production-среды.

Будет плюсом:

• опыт построения или масштабирования команды либо технического стрима
• опыт выстраивания процессов найма и онбординга инженеров
• опыт создания переиспользуемых компонентов, внутренних инструментов и фреймворков для разработки LLM-решений
• опыт разработки голосовых агентов и real-time-систем.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 3х дней в неделю)
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.

На проект 2-3 месяца мы открыли вакансию AI Engineer (Senior) с пониманием LLM и практическим опытом построения AI-систем.

Основной приоритет - OSINT, AI-агенты и Deep Research:

поиск информации из разных источников, работа с сущностями и связями, проверка и дедупликация источников, сохранение доказательств, построение сложных agentic flow, LangGraph/state machine, tool calling, RAG, hybrid search и reranking.

Также важно умение подбирать, тестировать и сравнивать модели, работать с локальными LLM, embeddings и reranker-моделями, разворачивать их через vLLM или аналогичные решения, понимать GPU-память, KV-cache, quantization, batching, нагрузочное тестирование и оптимизацию инференса.

• участие в интересном проекте
• возможна удаленная работа
• конкурентная оплата труда